ИИ в промышленности: где решения дают эффект от добычи до рынка

Кейсы альманаха удобно разложить по цепочке создания стоимости. На каждом звене есть решение с эффектом в рублях, и это не опыты лабораторий, а линии, карьеры и склады работающих компаний.

В добыче работают автономные буровые установки «Норникеля» (+2% добычи, 457 млн ₽ в год), цифровой двойник Самотлора у «Роснефти» (+0,5% суточной добычи) и автономные карьерные самосвалы СУЭК (+20% производительности). В логистике МФТИ оценивает оптимизацию цепочек поставок рулонной стали в 2,76 млрд ₽ в год, а роботов на одном складе X5 в 154 млн ₽ в год.

На производстве ИИ подбирает режим окомкования на «Северстали» (+11,4% производительности), анализирует руду на конвейере НЛМК (115 млн ₽ в год) и предсказывает поломки на ЧерМК. На уровне рынка «Северсталь» связала загрузку производства с прогнозом продаж: прирост EBITDA до 7%, эффект 9,6 млрд ₽.

Это кейсы рынка, а не наши проекты. Мы используем их как ориентир: если похожий процесс есть у вас, в карте будет расчет на ваших цифрах.

Если поставить все кейсы на одну шкалу, разброс большой: от 11,5 млн ₽ в год на сортировке отходов до 457 млн ₽ на автономном бурении. Медиана по 12 кейсам с годовой оценкой 142,5 млн ₽, общий эффект больше 4,3 млрд ₽ в год.

Крупнее всего суммы у решений, которые меняют работу всей компании: планирование загрузки и цепочки поставок. Точечное решение на одном участке приносит десятки миллионов, зато запускается быстрее и окупается раньше.

Часть цифр в альманахе это оценки МФТИ по публичным данным. Эффект «Роснефти» указан без привязки к году, эффект ЧерМК посчитан за 7 часов сокращенного простоя. Поэтому для решения о бюджете нужен расчет на ваших данных, а не чужая цифра.

Альманах описывает технологический стек ИИ на производствеИИ в промышленности ИИ в промышленности это модели, которые предсказывают поломки оборудования, проверяют качество продукции по изображениям, подбирают режимы процессов и помогают планировать производство. Подробнее в словаре из восьми слоев. Пять из них относятся к ИИ: оптимизация вычислений, предиктивная аналитика, машинное зрениекомпьютерное зрение Компьютерное зрение (computer vision) это область ИИ, в которой программы понимают изображения и видео: находят объекты, читают текст, считают и измеряют. Подробнее в словаре, роботы и генеративный ИИ. Три слоя их держат: датчики и IIoT, цифровые двойники, интеграция с АСУ ТП, MES и ERP.

Решение верхнего слоя не окупится без нижних. Модель, которая предсказывает поломку, бесполезна без датчиков вибрации на оборудовании и без связи с системой, где мастер планирует ремонт.

Поэтому в ИИ Due DiligenceИИ Due Diligence ИИ Due Diligence это комплексная проверка компании перед решениями об искусственном интеллекте: процессов, данных, систем, людей и юридических ограничений. Подробнее в словаре, комплексной проверке компании перед внедрением, мы смотрим все восемь слоев, а не только модель. Если датчиков или данных не хватает, в карте это будет отдельный шаг со своей стоимостью и сроком.

На Череповецком металлургическом комбинате «Северстали» модель следит за конвейерами горячекатаных рулонов. Она находит отклонение в работе оборудования, определяет его источник, прогнозирует, когда параметры выйдут за допустимые пределы, и заранее предупреждает персонал.

Между аномалией и отказом появляется окно для ремонта. Остановку планируют, а не ждут аварии: простой сократился на 7 часов, и это дало 65 млн ₽.

Для вашего производства расчет такой же. Сколько стоит час простоя линии, сколько часов в год уходит на аварийные остановки и какую часть из них модель успеет предупредить.

Карта ИИ-решений состоит из строк: процесс, проблема, решение, технологии и эффект. Пример строки по кейсу «Северстали»: окомкование, контроль гранулометрии на линии. Процесс зависит от сотен параметров, и позднее выявление отклонений снижает качество и производительность.

Решение: модель на исторических и потоковых данных находит причины отклонений и подсказывает оптимальный режим. Технологии: IIoT, глубокие нейросети и сценарное моделирование. Эффект по кейсу: 254 млн ₽ в год и +11,4% производительности.

На ваших данных мы добавляем в строку стоимость внедрения и владения, срок окупаемости, NPV и IRR, подрядчика, ответственного и место в дорожной карте. Затем строка попадает на матрицу приоритета, где эффект стоит против сложности. Что дает много и делается просто, внедряют первым.

Как выглядит карта целиком, показано в примере карты для компании с несколькими отделами.

Начните с потерь, а не с технологии. Возьмите три цифры: сколько стоит час простоя, сколько брака уходит в переработку и сколько часов инженеры тратят на поиск в документации. Где сумма больше, там первый кандидат в карту.

Затем проверьте основу: есть ли датчики на этом участке, где хранятся данные и кто отвечает за процесс. По оценке BCG, около 70% трудностей внедрения связаны с людьми и процессами, 20% с технологией и только 10% с алгоритмами.

Если у вас небольшое производство и сначала нужен агент для заявок и КП, посмотрите страницу ИИ для производственной компании. Если вы планируете внедрение ИИвнедрение ИИ Внедрение ИИ это путь от идеи до работающего решения: компания выбирает процесс, подключает к нему искусственный интеллект, учит людей и измеряет результат в деньгах. Подробнее в словаре на заводе с несколькими цехами, начните с разбора: за 30 минут бесплатно назовем два или три процесса, где похожие компании уже получили эффект, и скажем, каких данных не хватает для расчета.